目标检测技术是计算机视觉领域内的重要研究内容,是理解图像内容问题的重要基础技术之一。实时操作系统是指能够在规定时间内完成系统请求任务的处理的操作系统,能够提供及时响应和高可靠性是其主要特点。由于基于视频的目标检测算法对计算能力和实时性有很高要求,本文提出将目标检测算法部署在实时操作系统上,开发一套基于实时Linux的视频目标检测系统,而且实验验证了实时操作系统的特性能够提升目标检测算法的实时性能。本文主要工作包括:首先,针对本文使用的工控机硬件系统,分析了Xenomai实时操作系统的原理以及搭建过程,提出了在工控机上搭建Linux+Xenomai实时操作系统的方案。其次,针对背景稳定且目标单一的应用场景,研究了基于图像处理的目标检测算法,分别在帧差法、三帧差法和背景差分法的基础上,提出了基于目标区域自适应检测窗口的改进算法。实验验证了改进算法比基本算法拥有更好的实时性能。第三,针对背景复杂且多目标的应用场景,研究了基于深度学习的目标检测算法,选择了Dlib机器学习库中的全卷积神经网络来进行研究和实现。详细分析了全卷积神经网络的原理、训练过程以及网络在前向传播进行目标检测时的图片处理过程。针对本文的硬件和系统环境,提出了全卷积神经网络计算规模的估算方法,另外还提出了将在GPU环境下训练好的网络模型部署在本文目标检测系统的实时操作系统环境下的方法。最后实验找到了适合本文目标检测系统运行的全卷积神经网络模型结构。最后,针对本文的硬件和系统环境,用QT开发了基于实时Linux的视频目标检测系统平台,将以上研究内容进行整合,便于进行算法测试和实验对比验证。最后实验验证了相比于Linux通用内核,Xenomai实时内核对本文中的几种目标检测算法都有实时性能上的提升作用。